【技术实现步骤摘要】
一种基于MobileNet的SMT缺陷分类算法
[0001]本专利技术涉及生产加工质量在线检测与预测领领域，特别涉及一种基于MobileNet的SMT缺陷分类算法。
技术介绍
[0002]随着印刷电路板安装的表面贴片技术SMT的广泛应用，并向着密度更高和器件更小的方向发展，不同的针对SMT的图像检测方法应运而生。目前常用的有人工目检、飞针测试和在线测试自动光学检测等。
[0003]人工目检是一种用肉眼检测的方法。飞针测试是一种机器检査方式，它是以两根探针对元器件加电的方法来实现检测的，能够检测元器件失效、性能不良等缺陷。自动光学检测AOI是基于光学原理来对焊接生产中遇到的常见缺陷进行检测的设备。当自动检测时，机器通过CCD自动扫描PCB板，采集图像，测试的焊点与数据库中的合格的参数进行比较，经过图像处理，检查出PCB上缺陷，并通过显示器或自动标志把缺陷标示出来，供维修人员修整。该图像处理过程通过传统的图像比对算法进行缺陷检测，该方法对图像要求较高，影响因素较多，会造成检测准确度较低，人工目检受人主观因素影响，具有很高...
【技术保护点】
【技术特征摘要】
1.一种基于MobileNet的SMT缺陷分类算法，其特征在于，包括以下步骤：步骤一：通过视觉系统进行拍照采集PCB板上所要检测的缺陷位置的图片，不同检测部位各采集缺陷图片；步骤二：把采集到的不同类别的缺陷图片进行归类制作成数据集，把数据整理好后划分为train和val数据集，前者用于训练模型的数据，后者用于验证构建的模型准确性；步骤三：使用train数据集和val数据集分别制作tfrecord数据格式文件train.tfrecords和val.tfrecords；步骤四：进行训练MobileNet模型，当模型训练收敛后，进行SMT的缺陷分类，训练的数据集包括若干个样本图像和每个样本图像所对应的缺陷标注信息，其中标注信息包含图像的分类类别，分类类别包括短路、反向、高翘、焊接不良、立碑、撞件、缺件、位移、锡少、空焊；步骤五：模型训练完成后，通过该MobileNet模型对采集到的SMT图片进行缺陷分类，若异常，则根据短路、反向、高翘、焊接不良、立碑、撞件、缺件、位移、锡少、空焊类别显示元器件的相应位置到上位机界面，若正常则显示OK；步骤六：若发生数据模型的更新则要进行新数据的迭代，同时为了兼容性，还需进行模型的预测。2.根据权利要求1所述的一种基于MobileNet的SMT缺陷分类算法，其特征在于，所述步骤四中MobileNet的核心思想是将传统卷积分解为深度可分离卷积与1 x 1卷积。3.根据权利要求2所述的一种基于MobileNet的SMT缺陷分类算法，其特征在于，所述深度可分离卷积是指输出特征图的每个channel都对应一个卷积核，这样输出的特征的每个channel只与输入特征图对应的channel相关，具体的输入一个K
×
M
×
N的特征图，其中K为特征图的通道数，M、N为特征图的宽高，假设传统卷积需要一个大小为C
×
K
×3×
3的卷积核来得到输出大小为C
×
M
′×
N
′
的新的特征图，而深度可分离卷积则是首先使用K个大小为3
×
3的卷积核分别对输入的K个channel进行卷积得到K个特征图，为DepthWise Conv部分，然后再使用大小为C
【专利技术属性】
技术研发人员：张士庆，程坦，刘涛，吕剑，
申请(专利权)人：中科海拓无锡科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。